부동산경영, Vol.21 (2020)
pp.7~26
- 딥러닝을 이용한 주택 경매시장 예측에 관한 연구 -
본 연구는 주택 경매시장을 GARCH모형과 딥러닝 모형을 이용해 추정한 후 예측력의 우수성을 판별하고자 한다. 사용변수는 아파트경매낙찰가율, 아파트매매가격지수, 아파트 낙찰율, 회사채수익률, 소비자물가지수와 건축허가현황 주거용으로 하였고 공간적 범위는 서울시로, 시간적 범위는 2002년 1월부터 2019년 11월까지로 설정하여 분석하였다. 분석결 과, 딥러닝 모형의 평균오차(MSE)와 평균제곱근오차(RMSE)는 각각 38.095와 6.172로 나타 났고 GARCH모형의 평균오차(MSE)와 평균제곱근오차(RMSE)는 각각 42.867, 6.547로 나 타나 GARCH모형 보다 딥러닝 모형의 예측력이 더 우수한 것을 실증적으로 확인하였다. 또한, 아파트경매낙찰가율이 급격히 하락한 2019년 2월부터 2019년 3월에 딥러닝 모형의 예측력은 정확한 반면 GARCH모형으로 예측한 결과는 비교적 평활하게 나타났다.
Prediction on the Housing Auction Market Using Deep Learning
The purpose of this study is to estimate the superiority of predictive power after estimating the housing auction market using GARCH model and deep learning model. The variables used were apartment auction bid rate, apartment sales price index, apartment bid rate, corporate bond yield, consumer price index, and building permit status. The spatial range was set to Seoul, and the time range was set from January 2002 to November 2019. The results showed that the mean error (MSE) and root mean square error (RMSE) of the deep learning model were 38.095 and 6.172, and the mean error (MSE) and mean root error (RMSE) of the GARCH model were 42.867 and 6.547. It is confirmed empirically that the deep learning RNN model has better predictive power than the GARCH model. In particular, from February 2019 to March 2019, when the apartment auction bid rate fell sharply, the deep learning model predicted accurate, while the GARCH model predicted relatively smooth results.